如何獲取及配置訪問Claude 3.7 Sonnet API？

Claude 3.7 Sonnet 由 Anthropic 開發，是一個強大的人工智慧模型，以其先進的推理和編碼能力而聞名。訪問其 API 開啟了將這一尖端技術整合到您的應用程式中的大門，從自動執行復雜任務到生成富有洞察力的響應。在本指南中，我將向您介紹獲取及配置訪問 Claude 3.7 Sonnet API 的步驟。

Claude 3.7 Sonnet有哪些新功能？

Claude 3.7 Sonnet 不僅在效能方面，而且在準確性和邏輯性方面都超越了其前代產品。其中最大的亮點如下

1. 混合推理架構

與早期型號不同，Claude 3.7 引入了雙模處理技術：

• 即時響應：用於摘要、事實核查和問答等查詢。
• 擴充套件推理：用於程式碼生成、基於邏輯的決策和多步驟問題解決等更復雜的活動。

這種用例優化融合了不同的用例，在平衡來電和真正的深度推理時也只是優化了速度。

2. API增強與開發人員靈活性

Claude 3.7 允許開發人員在 API 下通過推理的速度或深度來控制處理時間，從而使其具有成本效益，以滿足所有應用程式或專案的要求。開發人員現在可以

• 設定 API 呼叫的處理時間界限。
• 針對不同應用改變模型行為。
• 根據任務的複雜程度，對克勞德進行深度推理。

3. 效能和準確性提升

• 響應速度比 Claude 3 快 20%-30%。
• 現在，涉及編碼、數學和分析的基於邏輯的工作執行效率提高了 15%。
• 為大容量 API 使用者降低 40% 的成本。
• 由於 提高了上下文感知能力，響應效果更好 。

4. 增強的視覺功能

現在，Claude 3.7 Sonnet 能夠檢視影象，提取它所理解的資訊，並對視覺傳達的內容進行推理。

5. 讓思維更準確、更透明

Claude 3.7 Sonnet 在回答複雜問題時，通過更好的可視性一步步闡明推理，這一點也得到了改進。

如何使用Claude 3.7 Sonnet API介面？

將 Claude 3.7 整合到您的應用程式中非常簡單。請按照以下步驟開始使用：

Step 1: 獲取API訪問許可權

1. 在 Anthropic的開發人員入口網站 註冊 API 訪問許可權。。
2. 在您的賬戶控制面板中生成一個 API 金鑰。

Step 2: 安裝所需的庫

如果您使用 Python，請安裝必要的庫：

pip install anthropic

Step 3: 呼叫API介面

查詢 Claude 的基本示例：

import anthropic
client = anthropic.Anthropic() 
message = client.messages.create( 
model="claude-3-7-sonnet-20250219", 
max_tokens=1000, temperature=1, 
system="You are a world-class poet. Respond only with short poems.", 
messages=[ 
{ 
"role": "user", 
"content": [ 
{ 
"type": "text", 
"text": "Why is the ocean salty?" 
} 
] 
} 
   ] 
) 
print(message.content)

此 API 呼叫實時傳送查詢並檢索 Claude 的響應。

Step 4: 根據用例進行微調

開發人員可以通過以下方式優化 API 呼叫

• 為創造性調整 temperature settings（溫度設定）。
• 為複雜查詢啟用 extended reasoning（擴充套件推理）。
• 使用 structured prompts（結構化提示）以提高準確性。

測試Claude 3.7 Sonnet API功能

現在，讓我們用實際場景來測試 Claude：

測試 1：影象分析 – 印度 vs 巴基斯坦板球比賽

以印度 vs 巴基斯坦冠軍盃比賽為例，克勞德將看到一張圖片，並被要求提供重要細節。

• 識別球員、球場和賽事細節。
• 總結比賽場景（例如，“印度隊在最後一局中落後 5 個小門”）。
• 從記分牌中提取文字。

輸入影象:

輸入程式碼: 

import anthropic
client = anthropic.Anthropic()
message = client.messages.create(
   model="claude-3-7-sonnet-20250219",
   max_tokens=1024,
   messages=[
       {
           "role": "user",
           "content": [
               {
                   "type": "image",
                   "source": {
                       "type": "base64",
                       "media_type": image1_media_type,
                       "data": image1_data,
                   },
               },
               {
                   "type": "text",
                   "text": "You are analyzing an image from the India vs Pakistan Champions Trophy 2025 match. "
                       "Extract and summarize the most relevant insights in the following structured order:\n\n"
                       "1️⃣ **Match Overview**: Identify the teams, tournament, stadium, and year.\n"
                       "2️⃣ **Key Players**: Recognize any visible players based on jerseys, number, and positioning.\n"
                       "3️⃣ **Match Context**: Determine which team is batting, the current score, overs, and any visible scoreboard data.\n"
                       "4️⃣ **Text Extraction**: If a scoreboard or banners are visible, extract relevant text (e.g., scores, team names, advertisements).\n"
                       "5️⃣ **Atmosphere & Crowd**: Describe the overall scene (e.g., crowd intensity, celebrations, flags, banners).\n"
                       "6️⃣ **Highlight Events**: Identify any key moments such as a boundary, wicket, appeal, or fielder's action.\n\n"
                       "⚠️ **Ensure factual accuracy by only describing visible elements. Avoid assumptions.**"
               }
           ],
       }
   ],
)
display(Markdown(message.content[0].text))

輸出:

測試 2：通過邏輯推理解決問題

我們為 Claude 設定了一個多階段問題的挑戰：

“一列火車以每小時 80 英里的速度從紐約開往芝加哥。另一列火車以每小時 70 英里的速度從芝加哥開往紐約。它們相距 800 英里。它們何時相遇？

Claude 將使用逐步邏輯推理的方法分解問題 .

輸入程式碼:

output = anthropic.Anthropic().messages.create(
   model="claude-3-7-sonnet-20250219",
   max_tokens=1024,
   messages=[
       {"role": "user",
        "content": """
               A train leaves New York heading toward Chicago at 80 mph.
               Another train leaves Chicago for New York at 70 mph.
               They are 800 miles apart. When do they meet?
               """
               }
   ]
)
display(Markdown(output.content[0].text))

輸出:

測試 3：HTML動畫 – 彈球模擬

接下來，我們將請 Claude 製作一些 HTML 動畫：

“編寫一個 HTML CSS+JavaScript 程式，模擬一個球在一系列巢狀圓圈內彈跳；每個圓圈都有一個開口。每當小球觸碰到一個極限時，內部就會開啟，然後小球就會跟隨重力和動量運動”。

這項測試將展示 Claude 的以下能力：

• 生成功能性、互動式網頁程式碼。
• 模擬物理動畫。
• 確保 HTML/CSS/JS 中的邏輯和語法正確無誤。

輸入程式碼:

output = anthropic.Anthropic().messages.create(
   model="claude-3-7-sonnet-20250219",
   max_tokens=1024,
   messages=[
       {"role": "user",
        "content": """
               Write an HTML CSS+JavaScript program, simulating a ball that
               bounces inside a circle;
               the ball follows gravity and momentum.
               """
               }
   ]
)
display(Markdown(output.content[0].text))

輸出影象:

輸出:

小結

Claude 3.7 Sonnet 不僅僅是另一種人工智慧模型，它在推理能力、準確性和適應性方面都取得了重大進步。它能夠在即時響應和擴充套件思考之間無縫切換，這使它成為開發人員的首選。以下是文章的主要觀點：

• 具有混合推理功能的更智慧 API，兼顧速度與深度。
• 通過板球比賽分析證明了影象理解能力。
• 通過基於邏輯的查詢展示解決問題的效率。
• 通過互動式物理模擬展示 HTML 程式碼生成。

隨著人工智慧的飛速發展，Claude 3.7 Sonnet 作為一款可靠、透明和多功能的工具脫穎而出。無論您是工程師、研究人員還是企業領導，它都能為您在工作中利用先進的人工智慧提供完美的解決方案。